Soutenance de thèse : Basile FRABONI

Self-normalized estimators and joint path construction for efficient multi-view rendering

Doctorant : Basile FRABONI

Laboratoire INSA : LIRIS

Ecole doctorale : ED512 Informatique Et Mathématiques de Lyon

La simulation du transport de lumière physiquement réaliste est progressivement devenue l'approche standard dans l'industrie de la production d'images. L'algorithme de Path Tracing  et ses variantes sont utilisés pour leur capacité à simuler des phénomènes d'éclairage complexe.
Cependant, ces simulations nécessitent d'explorer l'ensemble des chemins reliant une source lumineuse au capteur de la caméra. La construction de ces chemins est un processus séquentiel complexe et il est souvent nécessaire de construire et évaluer un très grand nombre de chemins pour atteindre des niveaux de bruit acceptables dans les images. Ceci est encore plus problématique lorsque l'on ajoute des effets de production tels que le flou de mouvement, la profondeur de champ et le rendu volumétrique. Un autre aspect important est que nous devons souvent calculer plusieurs images d'une même scène, par exemple lors du rendu de paires stéréo ; d'images lenticulaires, d'images de champs lumineux et de stéréogrammes holographiques pour visualiser plusieurs points de vue ; de trajectoires de caméra animées pour les visites virtuelles ou le rendu de séquences animées.
Dans cette thèse, notre objectif est d'accélérer le rendu de plusieurs points de vue lors d'une même simulation en exploitant la cohérence entre les caméras. Ceci représente un défi car les méthodes existantes pour réutiliser les chemins entre plusieurs vues introduisent du biais visible dans les images, et ne sont pas adaptées pour tous les effets de production, les matériaux, les surfaces et les volumes qu'une scène peut inclure. Nous développons un nouvel algorithme unidirectionnel pour rendre conjointement plusieurs images d'une même scène. Nous introduisons de nouvelles méthodes pour transformer et réutiliser les chemins d'une caméra à l'autre en présence de milieux participants et pour générer des sous-chemins qui contribuent le mieux à un sous-ensemble d'observateur, ainsi qu'un un nouvel estimateur de Monte Carlo pour combine correctement les contributions de ces chemins. Nous démontrons sur plusieurs scènes comprenant de la géométrie complexe, des matériaux complexes, des milieux participants et des effets de production que cette méthode réduit efficacement le bruit par rapport aux calculs image par image à temps de calcul équivalent.